세계 최대 스포츠용품 소매업체 데카트론이 수만 개 제품의 주간 수요예측에 아마존의 시계열 파운데이션 모델 '크로노스-2'를 도입해 12주 예측 오차(WAPE)를 동남아 39%→28%, 라틴아메리카 53%→38%로 각각 11%p, 15%p 개선했다. 기존에는 딥AR과 시간적융합트랜스포머(TFT)를 매주 재학습해야 했지만, 크로노스-2는 LoRA를 활용해 6개월에 한 번만 미세조정하면 되며 추론 시간도 최대 25000개 제품 기준 15분에서 75초로 단축됐다. 신규 지역 배포 기간도 6개월에서 2~3개월로 줄었고, WAPE 1%p 개선당 재고 0.3일 절감·가용성 0.3포인트 향상 효과가 있어 매출 증가로도 이어졌다. 데카트론은 향후 여러 모델을 결합하는 전문가 혼합(MoE) 방식과 콜드스타트 제품 대응까지 확장할 계획이다.
- •데카트론, 아마존 시계열 모델 '크로노스-2' 도입해 12주 예측오차(WAPE) 11~15%p 개선
- •LoRA 미세조정을 6개월 주기로만 수행, 기존 매주 재학습 방식 대비 운영 부담 대폭 감소
- •추론시간 최대 15분→75초로 단축, 신규지역 배포기간 6개월→2~3개월로 단축
- •WAPE 1%p 개선이 재고 0.3일 절감·가용성 0.3포인트·매출 0.12포인트 증가로 이어져
- •동남아·라틴아메리카에 우선 적용 후 중동·아프리카 등 전 지역 확대 예정
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
How Decathlon runs demand forecasting at scale with Chronos-2
- 1.데카트론, 시계열 파운데이션모델 Chronos-2를 수요예측 핵심으로 채택, 12주·52주 지평 예측에 적용
- 2.파인튜닝된 Chronos-2가 25000개 제품·101개 시점 벤치마크에서 전 모델 대비 최저 오차(WAPE) 기록
- 3.12주 지평 WAPE 11~15%포인트 개선, 신규 지역 배포 기간 6개월에서 2~3개월로 단축
- 4.추론 시간도 25000개 시계열 기준 10~15분에서 40~75초로 단축, CPU만으로 주당 약 0.03달러 비용
왜 중요한가?
매주 재학습이 필요했던 기존 방식과 달리 6개월 주기 경량 파인튜닝만으로 정확도와 운영 효율을 동시에 높여, 파운데이션모델이 실제 대규모 리테일 수요예측에 실전 투입 가능함을 보여준 사례다.
본문 미리보기
Decathlon, one of the world's largest sporting goods retailers, forecasts weekly demand for tens of thousands of products across multiple continents. Learn how they deployed Chronos-2 on AWS to improve forecast accuracy by 11-15 points while cutting operational complexity and running weekly inference for about $0.03 on CPU-only instances.
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:02AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
